后序遍历

去年冬天，我在调试一棵表达式树。后序遍历中缀转后缀，后序遍历后缀建树，后序遍历然后计算。后序遍历代码写得很顺，后序遍历直到需要释放整棵树的后序遍历内存。我盯着屏幕，后序遍历脑子里蹦出一个词：后序遍历。后序遍历先处理左右孩子，后序遍历最后回到根节点——这不就是后序遍历最自然的释放顺序吗？

后序遍历的规则简单到一句话就能说完：左、右、后序遍历根。后序遍历递归写法三行代码。后序遍历但就是后序遍历这三行，让我在面试里挂过一次。面试官问：“后序遍历的迭代实现会吗？”我心想，用栈模拟递归嘛，先压右再压左，最后输出。结果写出来顺序全乱——根节点跑到了中间。后来才明白，那不过是“逆后序”的变种，真正的后序迭代需要额外标记或双栈配合。你看，越简单的规则，实现起来越容易踩坑。

我见过很多人把后序遍历当成前序的镜像。前序是根左右，后序是左右根，看起来只是顺序颠倒。但递归展开后，事情没那么对称。前序的根节点在第一次访问时就处理，后序的根节点要等到左右子树全部处理完才轮得到。这就导致一个有趣的现象：后序遍历序列的最后一个元素永远是整棵树的根。这个性质在重建二叉树时特别有用——给定中序和后序，你能唯一确定一棵树；但给定前序和后序，往往不行。为什么？因为后序的根在末尾，前序的根在开头，你无法仅凭这两个序列区分左右子树的边界。

写编译器那会儿，语法分析树的后序遍历直接对应逆波兰表达式。比如表达式 (a + b) * c，后序输出是 a b + c *。计算机读这个序列，不需要括号，也不需要优先级表，一个栈就能算出来。这让我觉得后序遍历有种“去结构化”的美感——它把树形结构的依赖关系压扁成线性序列，而且恰好符合“先算孩子再算父亲”的计算逻辑。你想想，任何表达式求值，不都是这个顺序吗？

不过后序遍历最让我着迷的地方，是它和实际问题的对应关系。文件系统的磁盘占用统计：一个目录的大小等于它所有子目录和文件大小之和。你要统计根目录，就得先递归统计每个子目录。这就是后序。再比如，Git 仓库里计算每个提交的变更行数，也得先遍历所有祖先提交，最后汇总到当前提交。这些场景里，根节点的处理必须发生在所有后代之后，否则数据不完整。

上周帮同事看一段代码，他用后序遍历求树的高度。逻辑没错：空节点返回 0，否则返回左右子树高度的最大值加 1。但他把加 1 写在了递归调用之前。结果每层都多算了一次，高度翻倍。我指出来时他愣了一下：“顺序还有影响？”当然有。后序的“根”操作必须在左右子树返回之后，这是它区别于前序和中序的本质。前序的根操作在递归之前，中序在左递归之后、右递归之前。三种顺序，三种时机，对应三种不同的信息流方向。

夜深了，我关掉编辑器。那棵表达式树的内存已经干净释放，后序遍历的调用栈也早已清空。但脑子里还在转：为什么人类直觉上更习惯前序？读一本书，从第一章开始；走迷宫，从入口开始。可后序遍历偏偏要你先走到最深处，再一步步退回来。也许正因为反直觉，它才值得多写几遍。下次再有人问我后序迭代怎么写，我大概会先画个栈，再画个标记位，然后说——别急，先让左右孩子走完。

很赞哦!（2925）